让 AI 读一份 60 页的 PDF，为什么总漏掉表格

漏表格的原因在解析这一步，跟模型参数多少关系不大，我试过 3 个不同产品，症状一样。

PDF 里的表格没有结构标记，多数解析器按文字流读，一行一列被拉成一条长串，1 列 5 行读出来变成 1 行字，对应关系就散了。

文件长还会触发分块。60 页的文档要切成若干段分别送进模型，切的位置常落在表格中间，跨块的那几行谁都看不到，缺口常见在 2 到 3 页之间。

扫描件更麻烦，要先做文字识别，识别错的数字和单位混在一起，1 个小数点错位整张表就废了。

我测过 5 份财报类 PDF，纯文字页的要点抓住了 9 成，表格页只有 4 成左右。

想提高命中率，把关键表格单独截出来，1 页 1 张图发过去，让它逐张说。

去年审一份 58 页的供应商合同，前 3 遍都在漏附表。

头回直接把整份 PDF 传上去，问「有哪些付款节点」，它答出来 4 个，附表里实际写了 6 个。

后来改成按章节拆，每 10 页发 1 次，让它先把每页的表格列出来，再问节点，6 个就都出来了。

再后来我固定了一个问法：「先逐页列出本段出现的表格及其标题，不要总结」，命中率提高不少。

拆开发也有代价，跨章节的条款要自己串，我拿 2 份结果对照，补上了 3 处交叉引用。

按 10 页拆开，48 页的正文拆成 5 份，每份回复 200 字上下，看得完。

现在处理长文档，我的顺序是先拆、再列、后问，40 分钟能过完 60 页。

让 AI 读长 PDF，发之前的准备和发之后的追问各 3 条。

发之前：1. 确认是文字版不是扫描图；2. 按章节拆成 5 到 10 页一份；3. 把目录页单独发 1 次，让它先建立骨架。

发之后：1. 先问「这一份有几张表、分别在哪页」；2. 再问表格里的具体行；3. 让它复述页码和标题，方便回原文定位。

要备的东西不多：1 份分章 PDF、1 个能放附件的位置、1 张记录表。

记录表的字段设成章节、页码、问题、答案、是否回原文核过，5 列。

这套办法我用在 20 多份报告上，表格内容的准确率从 4 成提到 7 成。

几个常见做法会让长文档阅读越做越糊。

1. 一次传完整本。超过 100 页的文档，后半部分经常被忽略，问什么都答前 20 页的内容。

2. 只问总结不问细节。总结会把表格压成一句话，你要的那几个数字就没了。

3. 拿它给的页码直接引用。页码偏移是常事，我遇到过整份差 2 页的情况，回原文核对 1 遍再引用。

4. 不问「有没有漏」。加 1 句「还有哪些内容没提到」，能捞回不少。

5. 一份文档问到底。话题换了就开新会话，混在一起它容易串。

这 5 条我踩过 4 条，费时间的是页码那条，错了整段引用都要重做。